train_new.py

@@ -43,7 +43,7 @@ parser.add_argument('--sample_rate', default=8000, type=int,
                     help='Sample rate')
 parser.add_argument('--segment', default=4, type=float,  # 取音频的长度，2s。#数据集语音长度要相同
                     help='Segment length (seconds)')
-parser.add_argument('--batch_size', default=3, type=int,  # 需要抛弃的音频长度
+parser.add_argument('--batch_size', default=2, type=int,  # 需要抛弃的音频长度
                     help='Batch size')
 
 # Network architecture
@@ -63,7 +63,7 @@ parser.add_argument('--norm', default='gln', type=str,
                     help='gln = "Global Norm", cln = "Cumulative Norm", ln = "Layer Norm"')
 parser.add_argument('--dropout', default=0.0, type=float,
                     help='dropout')
-parser.add_argument('--num_layers', default=4, type=int,
+parser.add_argument('--num_layers', default=6, type=int,
                     help='Number of Dual-Path-Block')
 parser.add_argument('--K', default=250, type=int,
                     help='The length of chunk')
@@ -71,7 +71,7 @@ parser.add_argument('--num_spks', default=2, type=int,
                     help='The number of speakers')
 
 # optimizer
-parser.add_argument('--lr', default=0.001, type=float,
+parser.add_argument('--lr', default=1e-3, type=float,
                     help='Init learning rate')
 parser.add_argument('--l2', default=1e-5, type=float,
                     help='weight decay (L2 penalty)')